CNAE-9数据集 1080个巴西公司经济活动分析数据

Data Set Information: 这是一个数据集，包含1080个巴西公司的自由文本业务描述文档，这些文档被归类为国家经济活动分类表（Classifica？§？￡国家队 艾维德经济学（micas-CNAE）。原始文本经过预处理以获得当前数据集：最初，仅保留该数据集字母，然后删除文本中的介词。接下来，这些词被转换成它们的标准形式。最后每个文档都表示为一个向量，其中每个单词的权重是其在文档中的频率。这个数据集是高度稀疏（99.22%的矩阵由零填充）。 Attribute Information: In the data set there are 857 attributes, 1 attributes with the class of instance and 856 with word frequency: 1. category: range 1 - 9 (integer) 2 - 857. word frequency: (integer) Relevant Papers: Patrick Marques Ciarelli, Elias Oliveira, 'Agglomeration and Elimination of Terms for Dimensionality Reduction', Ninth International Conference on Intelligent Systems Design and Applications, pp.547-552, 2009 Patrick Marques Ciarelli, Elias Oliveira, Evandro O. T. Salles, 'An Evolving System based on Probabilistic Neural Network', Brazilian Symposium on Artificial Neural Network, 2010 Citation Request: If you have no special citation requests, please leave this field blank. Patrick Marques Ciarelli, pciarelli '@' lcad.inf.ufes.br, Department of Electrical Engineering, Federal University of Espirito Santo Elias Oliveira, elias '@' lcad.inf.ufes.br, Department of Information Science, Federal University of Espirito Santo

数据集信息：本数据集包含1080份巴西企业的自由文本形式业务描述文档，所有文档均已按照巴西国家经济活动分类表（Classificação Nacional de Atividades Econômicas，简称CNAE）完成归类。原始文本已完成如下预处理步骤以生成当前数据集：首先仅保留文本中的字母字符，随后删除文本中的介词；接着将所有词汇转换为标准词形；最终将每份文档表征为向量形式，其中每个单词的权重为其在对应文档中的词频。该数据集的特征矩阵高度稀疏，99.22%的矩阵元素均为零值。
属性说明：本数据集共包含857个属性，其中1个为实例类别属性，其余856个为词频属性：1. 类别：取值范围为1至9，整数类型；2. 第2至857项属性：词频，整数类型。
相关论文：1. 帕特里克·马克斯·恰雷利（Patrick Marques Ciarelli）、埃利亚斯·奥利维拉（Elias Oliveira），《面向降维任务的术语集聚与消去》，第九届智能系统设计与应用国际会议，第547-552页，2009年；2. 帕特里克·马克斯·恰雷利、埃利亚斯·奥利维拉、埃万德罗·O·T·萨莱斯（Evandro O. T. Salles），《基于概率神经网络的演化系统》，巴西人工神经网络研讨会，2010年。
引用要求：若无特殊引用规范，可留空本字段。帕特里克·马克斯·恰雷利，电子邮箱：[e-mail]，圣埃斯皮里图联邦大学电气工程系；埃利亚斯·奥利维拉，电子邮箱：[e-mail]，圣埃斯皮里图联邦大学信息科学系。

搜集汇总

背景与挑战

背景概述

CNAE-9数据集包含1080个巴西公司的业务描述文档，归类为CNAE经济活动分类。文档经过预处理，表示为高度稀疏的词频向量。